Maud Nalpas
Kenji Baheux
Alexandra Klepper
设备端 AI 是最新产品，可为用户提供功能强大的模型，同时保护敏感数据并缩短延迟时间。
设备端无法完全替换和复制您在云端所做的工作。 毕竟，服务器非常强大，能够承载大型复杂的模型，并且仍然能够快速交付结果。不过，除了任何现有的服务器端设置，设备端还可以带来一些不可思议的可能性。
- 隐私和安全：设备端 AI 可让您在本地处理数据，这极大地影响了您处理敏感数据以及确保敏感数据的安全性。您可以通过端到端加密为用户提供 AI 功能。
- 更高的可用性：设备端 AI 有助于为用户提供更高的可用性。用户的设备可以承担一些处理负载，以换取对 AI 功能的更多访问权限。如果您的产品提供高级服务，您可以考虑提供具有设备端 AI 功能的免费层级，帮助客户一览高级服务提供的功能。
设备端并不总是正确的选择，因此在继续深入讨论之前，我们想提醒您一些最佳实践：
- 使用优雅的回退机制来设计功能，并在目标设备上运行基准测试。并非所有设备都能充当 AI 技术的强劲引擎。
- 针对特定用例构建。设备端 AI 最适合特定用例。这些模型本身小于服务器端 AI 中的常见模型。将您的流程分解为多个目标步骤并利用预处理和后处理，使较小的模型仍然可以提供尽可能最佳的响应。
- 策略性地满足下载要求。AI 模型可能很大，这可能会导致大量移动流量和设备存储空间的使用。请确保您为用户构建的功能非常有用，并且具有负责任的服务和缓存策略。
欢迎分享反馈
我们想要了解您对哪些用例最感兴趣，以及您对我们方法的反馈。您可以分享反馈并申请加入早期预览版计划，以便使用本地原型进行测试。
您的贡献可以帮助我们将 AI 打造成一个强大且实用的工具，惠及每个人。